AI BENCHY Compare

MiniMax: MiniMax M3 vs StepFun: Step 3.7 Flash

Ringkasan

Step 3.7 Flash (low) unggul dalam skor rata-rata dengan 7.7 vs 7.6. MiniMax M3 (medium) memiliki biaya benchmark lebih rendah di $0.131 vs $0.341. Step 3.7 Flash (low) lebih cepat di 15.74s vs 68.17s, dengan tingkat keberhasilan 65.1% vs 68.3%.

Model yang direkomendasikanStep 3.7 Flash (low)It has the best score here (7.7), while responding about 4.3x faster than MiniMax M3 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-14

Metrik	MiniMax M3 MiniMax M3 medium Rilis: 2026-06-01	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29

Metrik	MiniMax M3 MiniMax M3 medium Rilis: 2026-06-01	Step 3.7 Flash Step 3.7 Flash low Rilis: 2026-05-29
Skor	7.6	7.7
Peringkat	#54	#51
Keandalan	9.6	10.0
Konsistensi	7.9	8.4
Tes benar
Tingkat lulus per percobaan	65.1%	68.3%
Tes tidak stabil	5	4
Total Run	63	63
Biaya per hasil	1.187	2.840
Total Biaya	$0.131	$0.341
Harga input	$0.300 / 1M	$0.200 / 1M
Harga output	$1.200 / 1M	$1.150 / 1M
Total token input	46,546	40,101
Token output	49,036	289,325
Token penalaran	92,543	0
Waktu respons (rata-rata)	68.17s	15.74s
Waktu respons (maks)	431.03s	124.75s
Waktu respons (total)	1363.38s	330.63s

Showcase generasi

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#54 MiniMax M3

medium

Biaya: $0.012
Waktu: 154.4s
Token: 10,018 tok

#51 Step 3.7 Flash

low

SVG tidak valid

Biaya: $0.004
Waktu: 25.3s
Token: 3,072 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.5	3.7	66.7%	3		14.95s	2,526	874	3,414
Step 3.7 Flash	8.7	7.9	91.7%	1		4.02s	756	10,896	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	6.1	6.5	55.6%	1		144.74s	5,804	6,223	32,667
Step 3.7 Flash	8.2	7.2	88.9%	1		9.46s	7,437	18,685	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		65.30s	14,760	1,306	6,253
Step 3.7 Flash	10.0	10.0	100.0%	0		7.98s	13,683	6,426	0

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		14.92s	8,088	514	3,164
Step 3.7 Flash	7.3	5.8	83.3%	1		2.29s	7,398	2,667	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.5	9.3	33.3%	0		233.13s	869	16,254	19,070
Step 3.7 Flash	5.3	7.2	44.4%	1		43.31s	828	104,487	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	5.1	3.4	33.3%	1		33.25s	954	2,487	2,523
Step 3.7 Flash	3.4	9.3	0.0%	0		7.00s	525	4,604	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	9.8	10.0	100.0%	0		6.14s	1,623	103	920
Step 3.7 Flash	9.8	10.0	100.0%	0		1.58s	735	1,857	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	7.9	9.9	66.7%	0		49.91s	2,079	11,946	13,761
Step 3.7 Flash	5.5	9.9	33.3%	0		1.84s	756	3,564	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	10.0	10.0	100.0%	0		11.91s	9,168	281	555
Step 3.7 Flash	10.0	10.0	100.0%	0		3.25s	7,746	1,360	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
MiniMax M3	3.0	10.0	0.0%	0		100.80s	675	9,048	10,216
Step 3.7 Flash	3.0	10.0	0.0%	0		124.75s	237	134,779	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.6 LunahighvsStep 3.7 Flashlow Claude Opus 4.6mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsMiniMax M3medium Step 3.7 FlashlowvsGrok 4.3medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Qwen3.5-122B-A10BmediumvsStep 3.7 Flashlow KAT-Coder-Pro V2.5highvsMiniMax M3medium Kimi K2.6mediumTersedia gratisvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Qwen3.5 Plus 2026-04-20mediumvsStep 3.7 Flashlow Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow MiniMax M3mediumvsGPT-5.6 Lunahigh